金屬的軋制寬度、邊緣和表面粗糙度計量儀器
金屬的軋制
軋制力的預測
高速且低耗地生產量大、質優的產品是決定軋制過程是否有競
爭力的中心因素。雖然我們在軋制現場收集了許多測量數據，但是
它未必能完全利用，因為這個過程和質量變量之間的聯系尚不明確
。使用物理模型有可能描述各種關系。
通過將神經網絡和物理模型結合起來，有可能發展出一種新工
具，即合成方法，它可以進一步減少過程數據的分散程度
過程模型可以按多種方法分門別類。各種不同的數值技術可以
用于解這些基本方程，這些基本方程決定了塑性流動和熱傳輸，在
此假定邊界條件是可知的。例如，物理模型可以開發出來用于描述
熱加工中微觀組織的變化然而，由于過程是非常復雜的，所以該模
型是進行很大簡化而得到的，起碼本質上是半經驗性質的。隨著過
程中可得到的數據越來越多，基本的物理規律變得越來越不重要，
各種計算可用于模擬，包括模糊系統、神經計算和傳統數據方法。
影晌產品質，因素的分析
平輥軋制產品的質量好壞以一種復雜的方式依賴于幾何精確度
、表面質量和材料的性質。熱軋帶的質量受整個成形系統的影響。
另外，其他的一些因素也會對其產生影響，比如軋制材料的化學成
分，軋前和軋制中每個板的歷史狀況。影響質量的這些因素并不是
相互獨立的，它們有非常復雜的聯系。幾何參數例如厚度、輪廓、
平整度、寬度、邊緣和表面粗糙度也一樣可以對其質量產生影響。
在整個過程中，它們的相互依賴性是很明顯的。
熱軋軋機的主要任務是:優化軋制過程、過程監測、材料流動
控制、數據記錄和報告產生。在控制單元，在鋼帶精確進人軋機前
，軋機的設置是基于分析模型，但是基于測量和模擬數據的神經網
絡，糾正了粗略的估計值。一個有效的過程模型應該能夠預測軋制
力、扭矩、材料的性質等。只要能夠獲得充足的過程數據，通過使
用人工神經網絡，這些目標就可以達到。此外，將后處理引人考慮
范圍，即通過連續調節模型直至符合實際過程，神經網絡既能模擬
也能自我調節直至完好的進行工作。對于控制工作，有必要在數學
模型和基于自我糾正的神經網絡之間進行共享，在線計算應該由神
經網絡進行，但是也可將正確的數學模型加以利用。為了將模型設
計的可以進行精細調節，有必要對那些造成帶間及帶內質量參數分
散的所有因素進行分析。實驗室實驗是分析影響因素的方法之一。
這些實驗是相當昂貴同時具有物理模型的所有不利(比例因素、邊
界條件的差異等)。另一種方法是利用和分析工業數據，使用數據
采集的方法，這些數據是在實際軋制過程中在線檢測得到的。特別
是在“自組織圖(SOM)"的可視化中經常用到。在這種情況下，數據
采集的主要目的是查出測得的過程參數和產品質量之間的復雜關系
。分析系統行為的目的是為了找出技術參數之間隱藏的相互依賴性
。該分析首先包括宏觀模擬和分析。這一分析是基于從高層次水平
的計算機系統中采集到的數據，同時包含有平均值和標準偏差。該
分析包括微觀模擬和分析，這一分析是基于在線收集到的帶鋼數據
，目的是發現帶材內部質量參數分散的原因。
